Apache 服务器项目开发者提交代码时不慎泄露 GitHub 令牌，事后开发者解释称这是人为失误，并非使用 AI 辅助提交造成的问题。另外 GitHub 有个机制就是检测凭证泄露，如果检测到 GitHub 令牌就会直接将令牌吊销，接着还会发邮件通知开发者：

腾讯云开源了 AI Agent 沙盒 Cube Sandbox，Rust 编写，Apache 2.0 协议。 Agent 跑模型生成的代码需要一个隔离环境，避免误删文件或越权访问主机。这类服务的接口事实标准是 E2B，OpenAI Agents SDK、Manus、Perplexity、Hugging Face 都接它。Cube 对 E2B 做完全兼容，原本接 E2B 的 Agent 只要改一个环境变量就能切过来。 腾讯云公布了两组性能数据。单并发冷启动低于 60ms，50 并发时平均 67ms、P95 90ms、P99 137ms。单实例常驻内存低于 5MB（沙盒规格不超过 32GB 时测得），一台 96 核服务器可同时跑 2000 多个沙箱。同场景下 Docker 容器启动约 200ms、共享主机内核；传统虚拟机启动以秒计、单实例内存 20MB 起。 Cube 的做法是给每个 Agent 开一套独立的 Guest OS 内核，走硬件级隔离，同时把启动时间压到百毫秒内。加速靠资源池预置、快照克隆、底层锁优化；压内存靠 Rust 重写、CoW 内存复用、reflink 磁盘共享。项目还附带 CubeVS，用 eBPF 做沙盒之间的网络隔离。 规模化验证给了两个案例。Cube 原本跑在腾讯云 Serverless 体系里，承载过百亿级调用。元宝 AI 编程场景迁到 Cube 后，资源核时消耗降了 95.8%。外部客户里，MiniMax 在 Agentic RL 训练中靠 Cube 做到分钟级调度数十万沙箱实例。下一步规划是把事件级快照回滚也开源出去，提供百毫秒级状态回滚。

DeepSeek 用户终于有自己的 Grok Bot 了，开源免费！ DS Bot，1800 多星，Apache-2.0 免费开源，用你在 DSH 里配的模型和 Key，模型费自己付。 它相当于在 DeepSeek Harness 里请个主管 Chief，带一群 Bot，彼此私聊、拉群、互相派活，还有记忆。适合调研、整理、写摘要这种能拆开的活。 安装有个坑：插件里直接装 ds-bot，我拉到的是 0.1.4；想用 10-13 刚出的 v0.1.5（还是预览版），得卸载后指定 ds-bot@0.1.5。 我用 DeepSeek-V4.1-Flash 实测，只发了 1 条指令，Chief 自己建了小研和小结两个 Bot，拉群联网搜资料、压成一句话，40 秒搞定。 Bot 想往工作区外写文件会弹「等待审批」卡片；但让 Chief 改工作目录时它没走审批，改成发消息让 Bot 自己切，结果没法确认😂 这一轮 3 个 Bot 吃了约 580 万 token（Chief 占 351 万），缓存命中率 88%，输出才几千，大头全在上下文 社区开发者做了个安卓版 DS-Bot-App（只有安卓，没 iOS），扫码把手机当遥控器管聊天、群聊和审批，走局域网或公网 IPv6 直连，不走中转，电脑得一直开着。 这个我没测。别随便开 IPv6 入站，有安全风险。 开源传送门👇🏻 安卓 App

🎉 所有用 Mac 的朋友，用上这个开源会议纪要和同声传译软件，还能白嫖支付宝家每月50小时的额度！ 知了 / Cicada，已经按 Apache-2.0 协议免费开源，改了自用、拿去商用或闭源再发布都行。 几大功能： - 实时字幕翻译，不管跨国会议、直播还是视频，都能自动翻译 - 飞书级别的会议纪要，每 45 秒更新，有总结、议题和鱼骨图，每条结论和待办都标着原话出处和时间 - 同声传译，克隆音色，语音直接转成另一种语言，直播室聊天无障碍 - 说话人识别，目前在实验阶段，需要在设置中打开 其中实时纪要用 Ling 模型，同声传译用 Ming-3.0 模型。配置只需三步： 1. 去 Ling 开放平台注册登录（免费额度可支撑50小时/月，链接在评论区） 2. 在 API 控制台创建一个API Key 3. 打开知了，粘贴到“设置 › AI 服务” 有问题欢迎在评论区或 GitHub 提，我会持续更新，Windows、Linux、Android也将推出！ 开源地址 官网

🐱 白嫖党的配音宝藏 KittenTTS，没有显卡也能在自己电脑上把文字转成语音。 KittenTTS 在 GitHub 1.6 万 star，仓库去年 8 月才建，代码用 Apache 2.0 开源。 以前想给视频配个音、给文章做个朗读版，要么交在线配音的订阅费，要么找个大模型却发现显卡带不动。KittenTTS 的轻量版只有 1500 万到 8000 万参数，CPU 就能跑，Linux、Windows、Mac 都支持。 想要效果更好就上旗舰的 Kitten-TTS 2：1.7B 参数的 1 比特模型，内置 47 种声音、支持 20 种语言，给它一段 5 到 30 秒的录音，不用微调就能克隆音色，还能用标签控制情绪和强调（这部分还在 Beta）。 围着它做的周边也不少：Rust 重写版 313 star，带 Web 界面的自托管服务 281 star，还有安卓上的离线朗读 App 把它收了进去。 模型权重用的是单独的社区许可，商用前先看清条款；克隆声音也请只用自己或已授权的录音。 本地就能跑的配音，终于不用看订阅的脸色了。 GitHub：

✍️ 把 AI 写的草稿改成人话，现在有专门的模型了：humanizer，一张 6G 显存的卡就能在本地跑。 humanizer 在 Hugging Face 上拿了 1894 个赞，正挂在热门趋势里，底子是 google/gemma-4-12B，12B 参数，Apache 2.0 许可证。 让大模型帮你起草一封邮件、一份报告，发出去之前多半还得自己通读一遍改味儿：那股谁都认得出的腔调，每段都来一句总结，排比一个接一个。想省事就让另一个通用大模型帮改，结果经常是味儿改掉了，顺手把数字、日期也改了，或者自己添了两句原文没有的内容。humanizer 的训练目标就是只动语感、不动事实，原文里的数字、单位、日期、人名和引用都要原样留着，不许加新东西。 效果作者自己测了两头：420 篇英文重写样本里 376 篇没发现事实性问题，上一版是 369 篇；中文 204 篇里 149 篇没问题，上一版是 135 篇。另外在 最严的检测设置下，210 篇英文草稿有 11 篇被标成 AI 写的，上一版是 26 篇。训练用了 28598 对 SFT 数据、3918 对偏好数据和三轮共 500 步的强化学习，作者说全程没拿任何检测器当奖励或筛选依据。 本地这块准备得挺全：GGUF 权重从最小的 3.89GB 到 bf16 的 23.83GB 一共六档，最小那档一张 6G 显存的卡就放得下；两个小体积档用了量化感知训练和知识蒸馏，作者称和 bf16 版本的一致性比普通量化更接近。还配了 Mac 和 Windows 的本地应用，能离线用，直接把 .docx 和 PDF 拖进去。 两个短板作者写在模型卡里了：中文效果不如英文；420 篇测试里有 28 篇丢了原文的格式元素，偶尔还会用错语言回复，在口语化的文体里也可能自己加俚语。 靠大模型起草、再逐句改味儿的人，这一步终于能交出去了。 Hugging Face：

🔓 胆子真大，有人把 Qwen3.8-27B 的拒答整个拆掉了，做成了 Qwen3.8-27B Uncensored，作者拿 465 条测试提示去试，一条都没拒。 这个版本出自 HauhauCS，是 Aggressive 档，Hugging Face 上 1884 个赞，最近 30 天下载 235 万次，Apache 2.0 许可证。 用大模型写东西的人多半碰到过：小说写到打斗、犯罪情节，它开始打太极；做安全研究问一句攻击原理，它先给你上一课；问点医疗、法律的边缘问题，绕半天说不到点上。Qwen3.8-27B Uncensored 就是冲这个来的，按作者的测试，这类拒答基本被清干净了。 其他能力沿用 Qwen3.8-27B：能看图，原生上下文 262K。显存方面，4 bit 版 17.9GB，一张 24G 的卡装得下；最小的 2 bit 版 10.3GB，12G 的卡也能勉强塞下，效果会打些折扣。 模型不拒答，不等于什么事都能做，用它干什么是使用者自己的事。 Hugging Face：

📞 太变态了，LiveKit Agents 能做出一个真会接电话、听得懂人话还能看见画面的 AI，而不是只能在网页里打字的聊天框。 GitHub 上 1.4 万 star，3800 多个 fork，九百多个 issue 还开着，Apache-2.0 协议开源。 做语音 AI 最难受的不是模型不行，是中间那段工程：麦克风进来的声音要转文字，文字喂给模型，模型回的话再转语音播出去，中间还得判断人到底说完没有。自己拼这条链路，最后八成会卡在打断上——用户喘一口气，AI 就抢着说话，体验瞬间垮。LiveKit Agents 用一个基于 transformer 的模型来判断话轮有没有真的结束，专治这个毛病。 它把语音识别、大模型、语音合成和各家的实时语音接口都做成了可换的插件，想接电话也行，agent 能直接拨出去或者接起来，等于你写几十行代码就有了一个会打电话的客服。工具调用这块原生支持 MCP，你已经在用的那些 MCP server 可以直接挂上去给它当手脚。 最让人服气的是它自带测试框架：能给语音 agent 写测试用例，还能让一个模型当裁判去评它答得好不好。语音这种又慢又难复现的东西，终于能跑回归了。整套栈都能架在自己的服务器上，连 LiveKit server 本身也包括在内。 语音交互这件事，开源这边已经追上来了。 GitHub：

✏️ reladraw 让你用一句「放在这个下面」就把架构图摆好，写完命令行一跑就是 SVG。 刚开源没几周，版本还停在 0.8.0，但思路挺对：Apache-2.0 开源，解析器、布局引擎和渲染器全是 TypeScript 写的，没有运行时依赖，还附了一个能装进 AI 编程助手的 skill。 写文档配架构图的人都在两头受气。用自动布局那一派，图小的时候挺好，一复杂布局就自己乱跑，你只能反复调声明顺序去碰运气；换成手摆的那一派，位置是听话了，可每个框的坐标都得自己管，中间插一个节点，整张图重新挪。 reladraw 正好卡在中间：你只声明相对关系，这个放在那个下面、那个靠右边、这几个对齐在同一层，坐标交给布局引擎按关系算。连线还能指定从哪一头出、进到哪一头。最后落成一个 .reladraw 文本文件，能跟着代码进 Git 走版本，谁改了哪一根线 diff 里看得见。 得提醒一句：0.8.0 还是早期阶段，作者自己说语法后面可能会变，现在上手适合先拿小图试。项目也在收集用它表示不出来的图表案例。 文档里的图，本来就该和代码一样能 diff。 GitHub：